Datenbasiertes Lernen in Produktionsnetzwerken

Die globale Wirtschaft ist seit Jahrzehnten geprägt von zunehmend internationalen Verflechtungen, was dazu führt, dass eine Vielzahl von Unternehmen die Herstellung von Produkten über mehrere Produktionsstandorte in verschiedenen Ländern verteilen und in globalen Produktionsnetzwerken agieren. Von großer Relevanz ist dabei die Verteilung von Wissen in Produktionsnetzwerken. Der unternehmensinterne Transfer von Produktionswissen in einem Lernprozess ist dabei zu einem entscheidenden Wettbewerbsvorteil geworden.Jedoch fehlt die Transparenz in Produktionsnetzwerken, um zu identifizieren, zu welchem Zeitpunkt zwischen welchen Mitarbeitern ein Lernprozess notwendig ist. Darüber hinaus existieren weder in der Praxis noch der Forschung Ansätze, dass Mitarbeiter effektiv und effizient standortübergreifend voneinander lernen und Wissen transferieren können. Damit wird die übergeordnete Forschungsfrage hergeleitet wie identifiziert werden kann, zu welchem Zeitpunkt welche Mitarbeiter in einem Produktionsnetzwerk voneinander lernen sollen und wie dieser Lernprozess anschließend anwender- und aufwandsgerecht gestaltet werden kann.Basierend auf der Forschungsfrage entwickelt die Autorin eine Methodik zum datenbasierten Lernen in Produktionsnetzwerken, bestehend aus drei Lösungsbausteinen. Die ersten zwei Bausteine fokussieren die Initiierung des standortübergreifenden Lernens und im dritten Baustein wird die Durchführung von Lernprozessen betrachtet. Im ersten Lösungsbaustein wird der Betrachtungsbereich strukturiert, indem ein digitaler Schatten zum standortübergreifenden Vergleich von Produktionsprozessen entwickelt wird. Darauf folgt im zweiten Lösungsbaustein ein Vorgehen zur datenbasierten Ermittlung domänenspezifischer Wissenstransferbedarfe in Produktionsnetzwerken. Im abschließenden dritten Lösungsbaustein erfolgt die Bestimmung situationsspezifischer Kommunikationsmedien für den Lernprozess, um diesen anwender- und aufwandsgerecht durchzuführen. Die Anwendung der